سید صالح اکبرموسوی

با توجه به اهمیت برنج و سهم عمده مصرف آن در سبد خانوار، سیاست گذاری بهینه ای برای کنترل قیمت آن در بازار، نقش عمده ای در رفاه و امنیت غذایی خانوارها خواهد داشت. ازاین رو، بررسی روند قیمتی و ارائه پیش بینی های قیمتی این محصول، بااهمیت است. در همین راستا، هدف این پژوهش، ضمن شناسایی متغیرهای اثرگذار و بررسی تأثیر آن ها بر قیمت برنج، ارائه پیش بینی های برون نمونه ای (1402:03-1402:12) با استفاده از مدل خودرگرسیون برداری (VAR) است. برآورد دو مدل برای برنج ایرانی خزر و برنج خارجی تایلندی؛ استفاده از داده های به روز و ماهانه؛ و همچنین پیش بینی قیمت دو برنج یاد شده از نوآوری های این پژوهش است. برمبنای تحلیل هم انباشتگی یوهانسون- جوسیلیوس، وجود رابطه بلندمدت بین متغیرها تایید شد. سپس، رابطه های بلندمدت و کوتاه مدت (VECM) برآورد و ضریب جمله تصحیح خطا برای مدل های اول و دوم به ترتیب برابر 300/0- و 309/0- برآورد شده که هر دو در سطح 1 درصد معنی دار هستند. در ادامه، بنابر نتایج تابع های واکنش آنی، شوک ایجاد شده در نرخ ارز و قیمت کالای جانشین در مدل اول، و قیمت کالای جانشین و شاخص قیمت جهانی در مدل دوم، بیش از دیگر متغیرها بر نوسان های قیمت برنج های خزر و تایلندی مؤثر بوده اند. در نهایت، پیش بینی های برون نمونه ای (با دو سناریو ارزی) برآورد شد که بنابر نتایج معیارهای ارزیابی پیش بینی، مدل های تحقیق به خوبی توانسته اند پیش بینی هایی از روند قیمتی برنج های ایرانی و تایلندی ارائه دهند.

کاربرد فراوان و متعدد فولاد در صنایع مختلف، آن را به کالایی استراتژیک تبدیل کرده و قیمت آن همواره مورد توجه صاحبان صنایع بوده است. از این رو، دسترسی به پیش بینی های دقیق از روند قیمتی فولاد و محصولات آن، حائز اهمیت است. براین اساس، در مطالعه حاضر، ضمن شناسایی متغیرهای اثرگذار بر قیمت فولاد، پیش بینی برون نمونه ای برای دوره زمانی 1402:07 تا 1403:03 با بهره گیری از مدل خودرگرسیون برداری (VAR) انجام شده است. در ابتدا، مطابق نتایج آزمون هم انباشتگی یوهانسون- جوسیلیوس، رابطه بلندمدت بین متغیرهای مدل تأیید شد. همچنین، ضریب جمله تصحیح خطا (ECM) برابر 0842/0- تخمین زده شد. تجزیه و تحلیل توابع واکنش آنی و شوک های وارد بر متغیرها نیز نشان داد که شوک ایجاد شده در متغیرهای نرخ ارز غیررسمی و شاخص قیمت تولیدکننده صنعت (زیرگروه ساخت فلزات پایه)، به ترتیب با 8/6 و 5/6 درصد به شکل استاندارد، بیش از سایر متغیرهای مدل بر نوسانات قیمت فولاد مؤثر بوده اند. به علاوه، تحلیل های مربوط به تجزیه واریانس، نشان داد که شاخص تولیدکننده صنعت با 18/16 درصد و نرخ ارز غیررسمی با 7/11 درصد بعد از قیمت خود فولاد، بیشتر از سایر متغیرها بر نوسانات قیمت این محصول، اثرگذار بوده اند. در نهایت، پس از برآورد پیش بینی برون نمونه ای، رشد 5 درصدی در قیمت فولاد از 302445 ریال در مهر 1402 به 321552 ریال در خرداد ماه 1403 پیش بینی شده است. نتایج معیارهای ارزیابی پیش بینی نیز، بیانگر دقت بالای آن بوده است. مطابق نتایج، مهم ترین توصیه های سیاستی شامل به روزرسانی تکنولوژی ها، تجهیزات و ماشین آلات مورد استفاده در تولید محصولات فولادی به منظور توسعه تولید فرآورده های فولادی، صرفه جویی در مصرف انرژی و هزینه های تولید، اتخاذ سیاست های مناسب پولی و ارزی و افزایش صادرات با تمرکز بر بازاریابی و فروش محصولات فولادی (به منظور جلوگیری از خام فروشی)، از طریق توسعه تولیدات، افزایش تنوع، کیفیت و ماندگاری محصولات فولادی تولیدی قابل ارائه است.

هدف مطالعه حاضر، بررسی اثر بحران های بانکی بر توزیع درآمد طبقات مختلف درآمدی طی دوره زمانی 2020-1990 برای 60 کشور منتخب جهان است. بدین منظور، 6 مدل با متغیرهای وابسته مختلف که صدک های درآمدی مربوط به طبقات ثروتمند، متوسط و فقیر را نشان می دادند، با استفاده از مدل سازی پانل GMM تخمین زده شد. نتایج نشان داد که با وقوع بحران بانکی سهم درآمد طبقات ثروتمند کاهش و سهم درآمد طبقه متوسط و 20 درصد پایین افزایش یافته است. بنابراین وقوع بحران بانکی منجر به برابری درآمد در کشورهای مورد مطالعه شده است. علاوه بر متغیر بحران بانکی، متغیرهای توسعه مالی و باز بودن مالی منجر به نابرابری درآمدی و متغیرهای مخارج عمومی به GDP، باز بودن تجاری، تولید ناخالص داخلی و مجذور آن، باعث برابری توزیع درآمد در این کشورها شده است. با توجه به نتایج تحقیق، توصیه می شود برای مدیریت اثرات سوء بحران بانکی و کاهش نابرابری درآمد، دولت ها از طریق ارائه یارانه و بسته های حمایتی، تسهیل اشتغال و اعطای وام کم بهره از صدک های پایین درآمدی حمایت کنند. همچنین از صدک های بالای درآمدی نیز مالیاتی هایی نظیر مالیات بر عایدی سرمایه اخذ کنند.

هدف اصلی مطالعه حاضر، شناسایی عوامل موثر بر زیان های بحران بانکی برای 49 کشور نمونه مورد مطالعه طی دوره زمانی 2019-1980 است. در همین راستا، دو هدف فرعی نیز دنبال شده است؛ به طوری که در گام مقدماتی اول، تاریخ بحران های بانکی برای 49 کشور تعیین شد. تحلیل های نموداری درخصوص تعداد بحران ها نشان داد که حدود نیمی از بحران های به وقوع پیوسته، طی سال های 2008 تا 2012 بوده که در این بین، سهم کشورهای با درآمد بالا بیشتر از بقیه گروه های کشوری است. سپس در گام مقدماتی دوم با استخراج روند های مختلف توسط فیلتر هودریک-پرسکات برای سری زمانی GDP حقیقی کشورها، چهار نوع زیان در تولید محاسبه شد. بررسی زیان در تولید کشورها، نشان داد که دو کشور آنگولا و یونان به ترتیب بیشترین و کمترین مقدار زیان را در بین چهار نوع زیان محاسبه شده به خود اختصاص دادند. در نهایت برای تحقق هدف اصلی مطالعه حاضر، مدل اقتصادی تحقیق با استفاده از روش شبه حداکثر راستنمایی پواسون (PPML) به دو صورت بدون متغیر بحران ارزی و با حضور آن برآورد شد. نتایج نشان داد که وقوع بحران ارزی، باعث تشدید زیان های تولید ناشی از بحران بانکی می شود. همچنین متغیرهای تورم، نسبت اعتبار بانکی به GDP، شکاف اعتبار به GDP، بدهی بخش عمومی با تاثیر مثبت و متغیرهای درجه باز بودن مالی، مخارج احتیاطی دولت و دارایی های بانک مرکزی با تاثیر منفی از عوامل مهم در مقدار زیان های تولید بعد از وقوع بحران بانکی هستند. از این رو، جهت مدیریت بحران بانکی، توجه به متغیرهای بیان شده توصیه می شود.

هدف اصلی مطالعه حاضر، برآورد احتمال وقوع بحران بانکی با استفاده از نسل دوم سیستم های هشدار زودهنگام (مدل های لاجیت)، برای 13 کشور منتخب با درآمد متوسط بالا طی دوره زمانی 2016-1980 است . در همین راستا، دو نوع مدل لاجیت دوجمله ای و چند جمله ای برآورد شد. نتایج تخمین مدل لاجیت دو جمله ای نشان داد که سه شاخص پیشرو بحران نسبت نقدینگی گسترده، شاخص قیمت سهام و تورم، از عوامل اصلی وقوع بحران در کشورهای مورد مطالعه است. این متغیرها در مجموع حدود 17 درصد از احتمال وقوع بحران بانکی را توضیح می دهند. در ادامه برای مقابله با تورش پس از بحران، مدل لاجیت چند جمله ای نیز تخمین زده شد. نتایج این مدل نیز، هشداردهنده بودن سه شاخص پیشرو فوق را تایید می کند. همچنین از بین سه متغیر فوق، تنها متغیر شاخص قیمت سهام با احتمال 12/6 درصد، باعث خروج اقتصاد از بحران بانکی و تغییر وضعیت آن از دوره بحران/بهبود به سمت دوره آرام می شود. مقایسه عملکرد درون نمونه ای مدل ها نیز حاکی از دقت پیش بینی بالای مدل لاجیت چندجمله ای است.

یکی از موضوعاتی که در خصوص بحران ها مطرح می شود، تعیین تاریخ وقوع آنهاست. اگر تاریخ وقوع بحران ها مشخص شود، می توان با اتخاذ سیاست های مناسب، مشکلات آتی ناشی از بروز آنها را کاهش داد. بحران های بانکی نیز به عنوان یک از انواع بحران های مالی از این قاعده مستثی نیستند. از این رو، در پژوهش حاضر با محاسبه شاخص فشار بازار پول اصلاح شده برای کشورهای با درآمد متوسط پایین و درآمد متوسط بالا در طی بازه زمانی 2019-1980، تاریخ های بحران بانکی تعیین شد. در ادامه، تاریخ های بدست آمده با تاریخ های مطالعه لیون والنسیا (2020) از طریق محاسبه ضریب تطابق Kappa مقایسه شد. نتایج این مقایسه، بیانگر میزان تطابق حدود 10 درصدی برای کشورهای با درآمد متوسط پایین و حدود 30 درصدی برای کشورهای با درآمد متوسط بالا بین تاریخ های بحرانی مطالعه حاضر و مطالعه لیون و والنسیا (2020) است. همچنین بررسی وضعیت تورم و رشد GDP حقیقی برای کشورهای مورد مطالعه نشان داد که تورم یک شاخص پیشرو مناسب برای شناسایی زودهنگام بحران بانکی است. کاهش رشد GDP حقیقی در سال های بعد از بحران نیز به عنوان یکی از مشکلات بحران های بانکی معرفی شد.

هدف مطالعه حاضر، تعیین تاریخ بحران های بانکی برای چهار گروه مختلف از کشورها و همچنین محاسبه چهار نوع زیان در تولید ناخالص داخلی کشورها در سال وقوع بح ران بانکی و سه سال بعد از آن، طی دوره زمانی 2019-1980 است. در گام اول تحقیق برای تاریخ گذاری بحران بانکی از رویکرد شاخص فشار بازار پول استفاده شد. سپس در گام دوم با استخراج روندهای مختلف توسط فیلتر هودریک-پرسکات برای سری زمانی GDP حقیقی کشورها، چهار نوع زیان در تولید محاسبه شد. همچنین تعداد بحران بانکی در گروه های مختلف کشورها و نیز آمار مربوط به چهار نوع زیان محاسبه شده برای کشورها، به صورت نموداری تحلیل شد. براساس گام اول تحقیق، در مجموع تعداد 122 بحران بانکی برای چهار گروه از کشورها تاریخ گذاری شد. نتایج تحلیل های نموداری درخصوص تعداد بحران ها نشان داد که بیشترین تعداد بحران بانکی (14 بحران) در سال 2008 اتفاق افتاده است. همچنین حدود 22 درصد از کل بحران های بانکی بررسی شده (28 بحران) در بازه زمانی 2012-2008 به وقوع پیوسته که در این بین، سهم کشورهای با درآمد بالا بیشتر از بقیه گروه های کشوری بوده است. در ادامه، چهار نوع زیان مختلف در تولید ناخالص داخلی کشورها به دنبال وقوع بحران بانکی محاسبه و آمار مربوط به بیشترین و کمترین زیان به همراه تحلیل های نموداری مربوطه ارائه شد.

امروزه موضوع سرمایه انسانی به عنوان عامل مهمی در پیشرفت کشورها به شمار می رود و محققین در تلاش هستند تا با استفاده از شاخص هایی، سرمایه انسانی را در مدل های اقتصادسنجی خود وارد کنند. یکی از این شاخص ها، متوسط سال های تحصیل است. از طرفی نهاد یا سازمانی در کشور وجود ندارد تا آمار رسمی از این شاخص را محاسبه کرده و به صورت سری زمانی آن را ارائه دهد؛ بنابراین ضمن بررسی نقاط ضعف و قوت مطالعات انجام شده در داخل کشور و تشریح کامل روش به کاررفته توسط بارو و لی (2010)، با اعمال تغییرات لازم در آن ها الگویی را که با نظام آموزشی ایران سازگار باشد، ارائه نمودیم. برای این منظور، با جمع آوری داده های آماری مربوط به وضعیت تحصیلی جمعیت شش سال به بالا، شاخص متوسط سال های تحصیل را در طی سال های 1357-1392 برای سه گروه از جمعیت به تفکیک جنسیت محاسبه کردیم. گروه اول شامل جمعیت شش سال به بالای در حال تحصیل هستند. گروه دوم جمعیت باسواد شش سال به بالا که در حال حاضر مشغول تحصیل نیستند و گروه سوم نیز شامل کلیه افراد شش سال به بالا است. نتایج پژوهش نشان می دهد که متوسط سال های تحصیل برای هر سه گروه مورد بررسی رشد قابل توجهی داشته و در سال های اخیر، حدود 8 سال محاسبه شده است. نتایج به صورت سری زمانی برای هر سه گروه ارائه شده است.

اکنون که تکنولوژی و دانش بشری پیشرفت چشمگیری پیدا کرده، توجه به موضوع دانش و سرمایه انسانی بیش از پیش اهمیت خود را نشان می دهد. در این پژوهش با استفاده از داده های سالانه (١٣٤٥- ١٣٨٩) اقتصاد ایران و بکارگیری متد غیرخطی STR به بررسی تاثیر سرمایه انسانی بر رشد اقتصادی در ایران پرداخته شد. با تایید رابطه غیرخطی بین متغیرها، تغییرات لگاریتم سرمایه انسانی دوره جاری به عنوان متغیر انتقال انتخاب و مدل LSTR دو رژیمی پذیرفته شد. در ادامه ضرایب مدل برآورد شد. مقدار آستانه برای متغیر انتقال ۰٨/١ محاسبه شد .نتایج نشان داد که اثرگذاری رشد سرمایه انسانی بر رشد اقتصادی در دو رژیم مختلف متفاوت است. در رژیم اول زمانی که نرخ رشد سرمایه انسانی کمتر از ۰٨/١ است، تاثیر رشد سرمایه انسانی بر رشد اقتصادی منفی و تاثیر سرمایه فیزیکی مثبت است. اما در رژیم دوم که مقدار رشد سرمایه انسانی از ۰٨/١ بیشتر است، سرمایه انسانی تاثیر مثبت و معنادار بر رشد اقتصاد دارد. به عبارت دیگر، اگر اقتصاد در رژیم اول باشد توجه به سرمایه فیزیکی و در صورتی که اقتصاد در رژیم دوم باشد، توجه به سرمایه انسانی اولویت دارد.